---
library_name: transformers
language:
- hu
base_model: openai/whisper-base
tags:
- generated_from_trainer
datasets:
- fleurs
metrics:
- wer
model-index:
- name: Whisper Base Hungarian v1
  results:
  - task:
      name: Automatic Speech Recognition
      type: automatic-speech-recognition
    dataset:
      name: google/fleurs
      type: fleurs
      config: hu_hu
      split: test
      args: hu_hu
    metrics:
    - name: Wer
      type: wer
      value: 29.48142356294297
---

<!-- This model card has been generated automatically according to the information the Trainer had access to. You
should probably proofread and complete it, then remove this comment. -->
A kezdeti próbálkozásokat mind eltávolítottam, ez a jelenleg rendelkezésre álló eszközök és technológia által létrehozható legjobb magyar nyelvere finomhangolt whisper base modell.
A többi magyar nyelvre finomhangolt base modelltől nagyságrendellek jobb eredményeket ér el minden adatkészleten!

# Whisper Base Hungarian

Ez a modell a finomhangolt változata a [openai/whisper-base](https://huggingface.co/openai/whisper-base) -nek sarpba/big_audio_data_hun adatkészleten.
Teszteredmények:
("google/fleurs", "hu_hu", "test") (képzés közbeni)
- Loss: 0.7999
- Wer Ortho: 33.8788
- Wer: 29.4814

("mozilla-foundation/common_voice_17_0", "hu", "test")
- WER: 25.58
- CER: 6.34
- Normalised WER: 21.18
- Normalised CER: 5.31

## Model description

Egyedi adatkészleten magyarta finomhangolt whisper base modell.
## Intended uses & limitations

Üzleti cálra a modell a hozzájárulásom nélkül nem használható! Magán célra szabadon felhasználható a whisper esedeti licenszfeltételei szerint! Commercial use of this fine-tuning is not permitted!

## Training and evaluation data

A modell hozzávetőleg 1200 óra gondosan válogatott magyar hanganyag alapján készült. A képzés során a tesztek a google/flerus-t használták a fejlődés ellenőrzésére. 
Alatta a mozilla-foundation/common_voice_17_0 eredménye. 

Egyik adatkészlet sem szerepelt a képzési adatok közt, a modell tesztanyaggal nem fertőzött!

## Training procedure

A képzés optimalizációja 3 napig futott a ray[tune] segítségével, a megtalált optimális képzési paraméterekkel a finomhangolás hozzávetőleg 17 órába telt!

### Training hyperparameters

The following hyperparameters were used during training:
- learning_rate: 0.0003
- train_batch_size: 64
- eval_batch_size: 32
- seed: 42
- gradient_accumulation_steps: 4
- total_train_batch_size: 256
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- lr_scheduler_warmup_ratio: 0.05
- training_steps: 8000
- mixed_precision_training: Native AMP

### Training results

| Training Loss | Epoch  | Step | Validation Loss | Wer Ortho | Wer     |
|:-------------:|:------:|:----:|:---------------:|:---------:|:-------:|
| 0.2523        | 0.3770 | 1000 | 0.9703          | 50.8988   | 46.7185 |
| 0.1859        | 0.7539 | 2000 | 0.8605          | 43.4345   | 39.4103 |
| 0.127         | 1.1309 | 3000 | 0.8378          | 40.6107   | 36.0040 |
| 0.1226        | 1.5079 | 4000 | 0.8153          | 38.9189   | 34.1842 |
| 0.1105        | 1.8848 | 5000 | 0.7847          | 36.6018   | 32.1979 |
| 0.0659        | 2.2618 | 6000 | 0.8298          | 35.3752   | 30.6379 |
| 0.0594        | 2.6388 | 7000 | 0.8132          | 34.8255   | 30.2280 |
| 0.0316        | 3.0157 | 8000 | 0.7999          | 33.8788   | 29.4814 |


### Framework versions

- Transformers 4.45.2
- Pytorch 2.3.0+cu121
- Datasets 3.0.1
- Tokenizers 0.20.1

### Köszönet nyílvánítás
Itt szeretném megköszönni mindazoknak, akik mind anyagilag, mind a munkájukkal hozzájárultak a model létrejöttéhez. Jaa bocs az egy másik sztori, ebben nem segített senki.
A közel 1 éves tanulási folyamat és ennek a modelnek a létrehozása (hozzávetőleg 2 hónap) szinte az öszes szabadidőmet felemésztette. Persze tanulni mindíg jó!
A hardverek és a villanyszámla mire ide jutottunk cca 1 millió forint körül lehetnek, mégis ingyen adom a köz javára. Legalább annyit tegyetek meg, hogy nem rúgtok belém. Köszi!